学位论文 > 优秀研究生学位论文题录展示

多线索融合的足球视频语义分析及事件检测

作　者: 丁思捷
导　师: 王建宇；张玉珍
学　校: 南京理工大学
专　业: 控制理论与控制工程
关键词: 足球视频 层次隐马尔可夫模型 镜头分类 慢镜头检测 事检测件 多线索融合
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 32次
引　用: 0次
阅　读: 论文下载
 

内容摘要


本文将足球视频视为研究对象,对足球视频中典型事件检测技术进行分析和研究。从足球视频的特点出发,结合足球比赛的领域知识,引入线索作为基于内容的检测技术中底层特征与高层语义之间的中间层次,从视频底层特征提取出多种线索并进行融合,利用有着分层结构的层次隐马尔可夫模型(HHMM),实现了对足球视频中射门事件、犯规事件和一般事件的检测。镜头分类作为足球视频处理与检索的重要基础,本文通过对目前现有足球镜头分类算法的分析,提出了一种基于场地主色率、人物数量和平均面积等特征的镜头分类方法,将足球视频的镜头分为远镜头、中镜头、近镜头和场外镜头四种。慢镜头与足球视频的精彩事件密切相关,可通过对慢镜头的检测进行事件定位。因而本文对慢镜头两端出现的徽标镜头进行研究,提出了一种基于徽标特征的的算法,实现了对慢镜头的检测。本文将视频流分割为镜头序列后,通过对底层特征的分析,从各个镜头中抽取了镜头类别、慢镜头检测、球门检测、字幕检测和音频类别五种与足球事件密切相关的线索并进行融合,构造并训练射门事件、犯规事件和一般事件的HMM模型,用于进行足球事件的检测。最后为了解决基于HMM的足球事件检测方法只能对输入视频中只含有一个事件的情况进行检测的问题,本文引入HHMM模型解决视频分割和事件检测的冲突,利用线索对HHMM进行事件检测。实验表明,本文提出的足球视频语义分析算法具有良好的效果。

全文目录


摘要  3-4
Abstract  4-8
1 绪论  8-14
  1.1 研究背景及意义  8-9
  1.2 国内外研究现状  9-11
  1.3 存在的问题  11-12
  1.4 本文研究的主要内容  12
  1.5 论文的组织结构  12-14
2 足球视频镜头分类  14-28
  2.1 视频结构化的基本概念  14
  2.2 关键帧的提取  14-16
    2.2.1 关键帧提取方案概述  14-15
    2.2.2 关键帧提取方案  15-16
  2.3 镜头分类方案回顾  16
  2.4 镜头分类方案  16-26
    2.4.1 基于主色的镜头粗分类  18-20
    2.4.2 含球场区域的镜头分类  20-24
    2.4.3 不含球场区域的镜头分类  24-26
  2.5 镜头分类结果分析  26
  2.6 本章小结  26-28
3 慢镜头检测  28-36
  3.1 慢镜头回放类别  28
  3.2 慢镜头检测方案回顾  28-29
  3.3 基于徽标特征的慢镜头检测  29-34
    3.3.1 徽标镜头的检测  30-33
    3.3.2 根据徽标镜头定位慢镜头  33
    3.3.3 算法的具体步骤与流程图  33-34
  3.4 慢镜头检测结果分析  34-35
  3.5 本章小结  35-36
4 足球视频事件的HMM模型  36-60
  4.1 HMM基本理论  36-39
    4.1.1 马尔可夫(Markov)过程与马尔可夫链  36-38
    4.1.2 HMM定义  38-39
  4.2 HMM的基本算法  39-46
    4.2.1 前向-后向算法  40-43
    4.2.2 Viterbi算法  43-44
    4.2.3 Baum-Welch算法  44-46
  4.3 HMM算法的改进  46-48
    4.3.1 前向-后向算法的改进  46-47
    4.3.2 Viterbi算法的改进  47
    4.3.3 Baum-Welch算法的改进  47-48
  4.4 构造事件的HMM模型  48-50
  4.5 HMM多线索的融合  50-53
  4.6 基于HMM的事件训练  53-56
    4.6.1 参数的初始化  53-55
    4.6.2 参数的训练过程  55-56
  4.7 基于HMM的事件检测  56-57
  4.8 实验结果分析  57-58
  4.9 本章小结  58-60
5 基于HHMM的足球视频检测  60-72
  5.1 HHMM基本理论  60-62
  5.2 HHMM的基本算法  62-66
    5.2.1 广义前向-后向算法  62-63
    5.2.2 广义Viterbi算法  63-64
    5.2.3 广义Baum-Welch算法  64-66
  5.3 构造足球视频的HHMM模型  66
  5.4 HHMM的训练  66-67
    5.4.1 无监督的学习方法训练HHMM  66-67
    5.4.2 有监督的学习方法训练HHMM  67
  5.5 基于HHMM的足球视频检测  67-69
  5.6 实验结果分析  69-70
  5.7 本章小结  70-72
6 总结与展望  72-74
  6.1 本文主要工作  72
  6.2 下一步研究方向  72-74
致谢  74-76
参考文献  76-79

相似论文

  1. 基于内容的视频镜头检测与分类研究,TP391.41
  2. 基于MPEG足球视频场景切换检索的研究,TN919.81
  3. 面向移动视频终端的视频转换编码技术研究,TN919.81
  4. 基于多模态融合的足球视频语义分析,TP391.41
  5. 基于内容的新闻镜头分类技术研究,TP391.41
  6. 基于内容和语义的视频短镜头分类,TP391.41
  7. 体育视频中运动目标的检测与跟踪,TP391.41
  8. 足球视频典型事件检测的关键技术研究,TP391.41
  9. 基于内容的视频检索的若干关键技术的研究,TP391.3
  10. 足球视频语义分析,TP391.41
  11. 鲁棒的广告视频检测算法的研究,TP274.4
  12. 足球视频结构化分析与研究,TP391.41
  13. 基于MPEG的足球视频检索研究,TP391.3
  14. 体育视频检索的若干技术研究,TP391.3
  15. 智能视频监控中的运动目标检测和跟踪技术研究,TP391.41
  16. 足球视频的内容标注和解析方法研究,TP391.41
  17. 融合音视频特征的足球视频检索研究,TP391.3
  18. 网球比赛视频分析的若干技术研究,TP391.41
  19. 以足球视频为媒介的心理战及其信息生成技术研究,E869
  20. 视频运动对象跟踪技术研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com